多输入多输出 |
您所在的位置：网站首页 › bp面霜日期 › 多输入多输出 |
多输入多输出
|
多输入多输出 | Matlab实现RIME-BP霜冰算法优化BP神经网络多输入多输出预测
目录
多输入多输出 | Matlab实现RIME-BP霜冰算法优化BP神经网络多输入多输出预测预测效果基本介绍程序设计往期精彩参考资料
预测效果
多输入多输出 | Matlab实现RIME-BP霜冰算法优化BP神经网络多输入多输出预测 1.data为数据集，10个输入特征，3个输出变量。 2.main.m为主程序文件。 3.命令窗口输出MBE、MAE和R2，可在下载区获取数据和程序内容。 程序设计 完整程序和数据下载方式私信博主回复Matlab实现RIME-BP霜冰算法优化BP神经网络多输入多输出预测。 M = size(P_train, 2); P_test = res(temp(501: end), 1 : 10)'; T_test = res(temp(501: end), 11: 13)'; N = size(P_test, 2); %% 数据归一化 [p_train, ps_input] = mapminmax(P_train,0,1); p_test = mapminmax('apply',P_test,ps_input); [t_train, ps_output] = mapminmax(T_train,0,1); t_test = mapminmax('apply',T_test,ps_output); %% 节点个数 inputnum = size(p_train, 1); % 输入层节点数 hiddennum = 15; % 隐藏层节点数 outputnum = size(t_train, 1); % 输出层节点数 %% 构建网络 net = newff(p_train, t_train, hiddennum); %% 设置训练参数 net.trainParam.epochs = 50; % 训练次数 net.trainParam.goal = 1e-4; % 目标误差 net.trainParam.lr = 0.01; % 学习率 net.trainParam.showWindow = 0; % 关闭窗口 %% 参数设置 fun = @getObjValue; % 目标函数 dim = inputnum * hiddennum + hiddennum * outputnum + ... hiddennum + outputnum; % 优化参数个数 lb = -1 * ones(1, dim); % 优化参数目标下限 ub = 1 * ones(1, dim); % 优化参数目标上限 pop = 20; % 数量 Max_iteration = 20; % 最大迭代次数 %% 优化算法 [Best_score,Best_pos,curve] = RIME(pop, Max_iteration, lb, ub, dim, fun); 往期精彩MATLAB实现RBF径向基神经网络多输入多输出预测 MATLAB实现BP神经网络多输入多输出预测 MATLAB实现DNN神经网络多输入多输出预测 参考资料[1] https://blog.csdn.net/kjm13182345320/article/details/116377961 [2] https://blog.csdn.net/kjm13182345320/article/details/127931217 [3] https://blog.csdn.net/kjm13182345320/article/details/127894261 |
【本文地址】